현실에서 발생하는 최적화 문제는 많은 경우, 효율적인 알고리즘을 갖지 않는 NP-hard 문제이다. 본 강의에서는 우선 이러한 문제를 식별하는데, 기본이 되는 최적화 계산론, 다항 변환 등을 도입한다. 그리고 NP-hard 문제의 좋은 해를 효율적으로 구하는 다양한 접근법을 다룬다.

본 과목은 산업공학과 및 공과대학 대학원생들을 대상으로 불확실상황에서의 보다 나은 결정을 지원하기 위한 최신 확률모형 이론과 기법을 소개하고 이를 중심으로 다양한 응용분야의 연구주제에 적용하고 그 결과를 해석할 수 있는 능력을 배양하는 것을 목표로 한다.

본 과목은 산업공학과 및 공과대학 대학원생들을 대상으로 통계학습과 최적화의 접목을 통해 빅데이타 마이닝을 위한 효율적 알고리즘 설계를 목표로 한다. 이를 위해 다양한 최신 대용량 수치 최적화 기법을 소개하고 이를 MATLAB으로 구현하는 방법을 배운다.

수리적 모형으로 해를 찾을 수 없는 복잡한 시스템을 효과적으로 분석하기 위한 시뮬레이션의 개념, 이론 및 응용을 본 과목에서 다룬다. 컴퓨터 논리, 몬테카를로 시뮬레이션, 난수 발생법, 확률 변수 발생 방법, 엑셀 및 C언어를 사용한 시뮬레이션을 공부한다. 입력 분포의 설정 및 출력 분석을 다루며, 다양한 분산 감소 기법들을 공부한다.

이 강의는 공과대학의 대학원 및 학부 고학년 학생들을 대상으로 작업생체역학의 기본 개념을 전달하고 작업자의 건강과 작업 생산성을 향상하기 위한 설계 기법들을 가르쳐 습득시키는 것을 목적으로 한다. 강의의 주요 주제들은 근골격계의 구조, 인체측정학, 생체계측학, 작업생체역학 모형, 자세 스트레스, 인력 운반 작업 등을 포함한다.

이 강의는 공과대학의 대학원 및 학부 고학년 학생들을 대상으로 사용자 경험 설계의 기본 개념을 전달하고 훌륭한 사용자 경험을 제공하는 제품, 서비스 및 시스템을 설계하기 위한 기법을을 가르쳐 습득시키는 것을 목적으로 한다. 강의의 주요 주제들은 사용자 경험 프로세스 주기, 맥락 조사, 맥락 분석, 설계 요구조건 추출, 설계 정보 모형, 아이디어 생성, 프로토타이핑, 사용자 경험 평가 등을 포함한다.

이 과목의 목표는 최적화의 가장 중요한 기초인 볼록 최적화의 성질을 이해하여 이를 응용하는 학생들의 능력을 배양하는데 있다. 중요 주제로는 볼록집합, 볼록함수, 쌍대성, 그리고 다양한 볼록 최적화 모형 등이 있다. 특히, 90년대 이후 중요 최적화 모형으로 연구되고 있는 원추계획법을 포함한다.

기계학습은 다양한 분야에서 점차 큰 관심을 받고 있으나, 막상 실제 데이터에 적용하여 성공적인 결과를 도출하는 데에는 많은 어려움이 따른다. 본 과목은 기계학습 기법들을 실제 문제에 적용할 때에 중요한 데이터 전처리, 피쳐 추출, 차원 축소, 클래스 불균형, 모델 앙상블 등의 주제들을 다루고, 데이터로부터 모형과 종속성을 학습하는 원리와 기법들을 소개하는 바, 특히 확률, 통계 및 최적화 이론에 기반하여 신경망 (Neural Networks), 서포트 벡터 머신 (Support Vector Machines), 은닉 마르코프 모형 (Hidden Markov Models) 및 강화 학습 (Reinforcement Learning) 기법들을 공부한다. 또한, 이들 기법을 활용하여, 다양한 시계열 데이터들을 대상으로 예측 및 분류 모델을 구현하는 프로젝트들과 데이터 기반 학습의 사례 연구들이 포함된다.

최근의 CRM, SCM을 개념을 좀더 심층적으로 다루게 된다.

산업공학의 새로운 기법들을 소개하고 이의 응용실태를 알아본다.